广东省科技计划工业攻关项目(2011B020308009)
- 作品数：7 被引量：77H指数：4
- 相关作者：李震洪添胜王建林瀚李楠更多>>
- 相关机构：华南农业大学教育部中山大学更多>>
- 发文基金：广东省科技计划工业攻关项目国家自然科学基金国家现代农业产业技术体系建设项目更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 柑橘全爪螨虫害快速检测仪的研制与试验被引量：10
- 2014年
- 为实现在果园现场快速、准确和无损地检测果树受柑橘全爪螨为害程度,该文研制了基于光学测量技术的柑橘全爪螨虫害快速检测仪,并通过试验检验了仪器的使用效果。检测仪采用光反射法,测量果树冠层叶片对红光和近红外光的反射率,根据反射率计算全爪螨为害程度指数作为仪器的输出结果,进而按照无、轻度和重度3个级别判定柑橘全爪螨虫害程度。硬件设计中选取中心波长为665和815 nm的发光二极管阵列作为红光和近红外光源,通过光调制/解调技术、专门设计的光路和光电探测适配电路,克服了自然光线对检测结果的影响。仪器使用效果为:通过标准白板试验确定检测系数k等于2.622;检测结果受树叶密度影响较小;检测结果受自然环境光线影响较小,但气温对检测结果有一定影响;检测仪可区分无、轻度和重度3个级别的全爪螨虫害程度,当虫害程度较低时,检测结果稳定;检测仪输出结果与叶片表面柑橘全爪螨卵数间具有较高的相关性。进一步研究的方向为引入温度补偿的方法以减小温度对检测结果的影响,同时分析当为害程度较严重时结果稳定性较低的原因。
- 李震洪添胜王建李楠孙道宗林瀚
- 关键词：光谱分析柑橘虫害全爪螨
- 基于LLOM的单目图像深度图估计算法被引量：2
- 2012年
- 针对计算机视觉理解单目图像立体结构的问题,进行了单目图像深度估计算法的研究。提出了一种基于监督学习方法的室外单目图像深度估计算法,其采用语义标注信息指导深度估计过程,融合绝对深度特征、相对深度特征以及位置特征作为深度特征向量,采用LLOM学习深度特征向量与深度值之间的关系。实验结果显示,该算法对路面、草地以及建筑物类等深度渐进变化的图像块,可获得较满意的深度估计结果。本算法为单目图像深度估计开辟了一个全新的有效途径。
- 邓小玲倪江群代芬李震
- 关键词：单目图像语义标注流形学习
- 基于机器视觉技术的教室照明节能控制系统被引量：12
- 2012年
- 为解决教室照明用电浪费问题,设计和制作了基于机器视觉技术的教室照明节能控制系统。该系统在监控计算机端采用帧差分与分段收敛的背景差分叠加法从监控录像中识别教室人员,并根据室内人员情况控制教室照明设备的开启或关闭。系统硬件主要由图像采集模块、监控计算机、电气控制模块及教室电气线路等4部分组成;系统软件基于Matlab开发,按功能可分为图像获取、图像处理、串口双向传输、图形用户界面及数据库等5部分。室内人员检测实验结果表明,系统识别平均耗时0.2s,进行实时室内人员识别的帧速上限为5帧/s;当图像中不包含和包含人员时,系统对室内人员的检测准确率分别为100%和93%。
- 李震李骈臻邹绍源颜旭洪添胜
- 关键词：机器视觉节能控制照明控制视频监控
- 用高光谱成像技术检测柑橘红蜘蛛为害叶片的色素含量被引量：8
- 2014年
- 为解决传统理化法检测柑橘树叶片受红蜘蛛为害后色素含量变化时存在的工作量大、效率低等问题,该文研究应用高光谱成像技术检测柑橘红蜘蛛为害叶片色素含量的方法。研究中对比了正常叶片与受害叶片的原始光谱以及原始光谱一阶微分曲线的差异,寻找反映叶片色素含量变化的特征波段;分析了特征波段反射率比值与叶片色素间相关性;采用单变量线性回归法分析了常用植被指数预测叶片色素含量的效果;采用逐步回归分析法建立了叶片色素含量预测模型,并对模型预测效果进行了F检验。结果表明:常用植被指数预测叶片色素含量结果不理想;选取的667/522、667/647和522/647 nm等3个特征波段反射率比值与叶片3种色素含量间具有较高的相关性;用于建立叶片色素含量预测模型的最佳特征波段反射率比值为667/522和667/647 nm,所建立的模型可较好地预测健康及受害叶片的叶绿素a、叶绿素b和类胡萝卜素含量。
- 李震洪添胜倪慧娜李楠王建郑建宝林瀚
- 关键词：光谱检测高光谱成像柑橘红蜘蛛
- 基于K-means聚类的柑橘红蜘蛛图像目标识别被引量：42
- 2012年
- 为快速检测红蜘蛛虫害,该研究采用基于Lab颜色模型中a(红/绿)、b(黄/蓝)层信息的K-means聚类法识别彩色图像中的红蜘蛛。试验选取8幅具有不同清晰度的柑橘红蜘蛛图像,采用基于Sobel边缘检测算子的评价函数计算图像清晰度评价值以评价图像清晰度,对比采用灰度法和包含2、3、4或5个聚类中心的K-means聚类法的目标识别效果和识别效率。结果表明,灰度法对8幅图像中红蜘蛛目标识别率平均值为29%,误判率平均值为201%,无法应用于复杂背景图像中的红蜘蛛目标识别。包含5个聚类中心的K-means聚类法对清晰度较高的图像识别率为100%,误判率为0,对清晰度较低的图像识别率为88%,误判率为0;当图像尺寸较小时,包含4个聚类中心的K-means聚类法识别效率与灰度法相当;当图像尺寸较大时,重复计算聚类中心导致识别耗时较长;基于Lab颜色空间的识别算法无法有效识别其他颜色的红蜘蛛,继续研究的方向为引入红蜘蛛形态信息以提高识别准确率和优化聚类中心的选取以降低识别耗时。
- 李震洪添胜曾祥业郑健宝
- 关键词：K-MEANS聚类目标识别柑橘红蜘蛛
- 从红蜘蛛为害叶片的高光谱图像中识别受害区域被引量：4
- 2015年
- 探索从红蜘蛛为害叶片的高光谱图像中识别受害区域的方法,内容包括:1采集20片受害区域色素差异较明显的柑橘叶片的高光谱序列图像,从各叶片的高光谱序列图像中选取522、647和667nm等3个与叶片色素含量具有较高相关性的特征波段的高光谱图像,计算667/522、667/647和647/522等3个特征波段的高光谱图像的比值图像及其二值图像,识别叶片中的受害区域;2计算自动识别和人工识别间的误差,检验算法的识别效果。结果表明:从柑橘红蜘蛛为害叶片的RGB图像或单一波段的高光谱图像中无法直接和自动识别叶片的受害区域;667/647和667/522两个特征波段反射率比值的比值图像均能够有效地抑制高光谱图像中叶片周围的光噪声,进而还原叶片的外形轮廓;从667/522特征波段反射率比值的比值图像中识别叶片受害区域的平均准确率达92.84%,在3个比值图像中识别效果最好;识别算法能够通过计算机编程自动实现,可作为深入研究红蜘蛛的发生和为害规律的技术手段。
- 王建李震洪添胜倪慧娜邓小玲郑建宝
- 关键词：柑橘红蜘蛛高光谱图像机器视觉
- 基于柑橘树冠层光谱信息的土壤营养元素含量预测
- 为快速检测土壤营养元素含量,本研究选取中心波长为660、780、870和970nm,波宽为20nm的四个光谱波段,用手持式光谱仪测量盆栽金橘树冠层的光谱反射率,同时测定栽培土壤的全氮、全磷和全钾含量,采用Pearson方...
- 李震洪添胜曾洁媚
- 关键词：柑橘树光谱仪营养元素光谱分析土壤
- 文献传递
- 基于机器视觉的教室多目标跟踪算法设计与实现被引量：1
- 2014年
- 为实现教室监控视频中多目标智能跟踪,研究提出了一种基于前景检测修正和梯度特征的改进型CamShift算法。该算法利用收敛速度分段分区可调的背景重建算法对视频序列进行背景重建与前景检测。综合考虑了前景检测结果,图像梯度和颜色特征,进行CamShift目标跟踪。该算法能自适应调节梯度与颜色特征融合比例,对强光有一定的抑制作用。开发了实验软件,仿真结果表明了所提算法的有效性,为解决教室照明用电浪费问题提供一个可行的解决方案。
- 李骈臻李震
- 关键词：机器视觉节能控制目标检测多目标跟踪
